يادگيري فدرالي حافظ حريم خصوصي براي شناسايي تهديدات پيشرفتۀ مانا در سامانۀ اينترنت پهپادها

اينترنت پهپادها، يك شبكه توزيع شده و غير متمركز است كه دسترسي پهپادها را به حريم هوايي كنترل شده مرتبط مي كند. اتصال پهپادها در اين شبكه ها از طريق اينترنت اشيا است. از اين رو، اين شبكه ها در برابر تمام تهديدات امنيتي و حريم خصوصي كه بر شبكه هاي اينترنت اشيا اثر مي گذارد آسيب پذير هستند. علاوه بر اين، باتوجه به آن كه كاربرد اين شبكه ها در بسياري از موارد داراي حساسيت بالايي است، تهديدات امنيتي بالقوه بيشتري را شامل مي شوند. اجزا اين شبكه ها با كمك يكديگر سعي در شناخت تهديدات پيشرفته و مانا دارند. يكي از روش ها براي شناسايي اين تهديدات، يادگيري ماشين توزيع شده مي باشد. در اين روش، داده ها براي يك سرور مركزي ارسال مي شود و يادگيري در آن جا انجام مي گيرد. ارسال داده ها يا تهديدات براي سرور مركزي، حريم خصوصي اجزاي شبكه را نقض مي نمايد. در اين صورت، يادگيري فدرالي به شبكه هاي توزيع شده و غير متمركز كمك مي كند تا بجاي ارسال داده هاي محلي و سري خود، ماشين يادگيرنده را به صورت محلي آموزش دهند و پارامترهاي مدل را با يكديگر به اشتراك گذارند. از آن جا كه پارامترهاي مدل هاي به اشتراك گذاشته نيز ممكن است حاوي اطلاعاتي از تهديدات زيرشبكه ها باشند، ما در اين مقاله يك پروتكل امن و حافظ حريم خصوصي مبتني بر رمزنگاري همريخت و براي مدل يادگيري فدرالي جهت تشخيص و شناسايي تهديدات پيشرفته و مانا در شبكه اينترنت پهپادها پيشنهاد مي دهيم.